Estadı́stica II

Tema 2. Conceptos básicos en el contraste de

hipótesis

Curso 2010/11
Tema 2. Conceptos básicos en el contraste de hipótesis

Contenidos
I Definición de contraste e hipótesis estadı́stica.
I Hipótesis nula y alternativa.
I Errores de tipo I y II.
I Función de potencia de un contraste.
I Definición de p-valor y conclusiones de un contraste.
I Metodologı́a del contraste de hipótesis.
Tema 2. Conceptos básicos en el contraste de hipótesis

Objetivos de aprendizaje
I Conocer los conceptos básicos en el contraste de hipótesis.
I Saber formular la hipótesis nula y alternativa de un contraste.
I Saber Interpretar los resultados de un contraste basándose en el
p-valor del mismo.
Tema 2. Conceptos básicos en el contraste de hipótesis

Referencias en la bibliografı́a
I Meyer, P. “Probabilidad y aplicaciones estadı́sticas”(1992)
I Capı́tulo 15
I Newbold, P. “Estadı́stica para los negocios y la economı́a”(1997)
I Capı́tulo 9
I Peña,“Regresión y análisis de experimentos”(2005)
I Capı́tulo 10
Contraste de hipótesis

Contrastes de hipótesis

En estadı́stica, el contraste de hipótesis tiene la finalidad de decidir si una

determinada hipótesis sobre la distribución en estudio es confirmada o
invalidada a partir de las observaciones de una muestra.
Contraste de hipótesis

Ejemplos de hipótesis
I Las próximas elecciones municipales en Getafe otorgará dos escaños
al partido “Vientos de Pueblo”. Los partidos polı́ticos quieren
contrastar esa afirmación para posibles pactos pre–electorales Cómo?

I Una compañı́a recibe un gran cargamento de piezas. Sólo acepta el

envı́o si no hay más de un 5 % de piezas defectuosa. Cómo tomar
una decisión sin verificar todas las piezas?

I Un investigador quiere saber si una propuesta de reforma fiscal es

acogida de igual forma por hombres y mujeres Cómo puede verificar
esa conjetura?
Contraste de hipótesis

Ejemplos de hipótesis (cont.):

Estos ejemplos tienen algo en común:

a) Se formula la hipótesis sobre la población.

b) Las conclusiones sobre la validez de la hipótesis se basarán

en la información de una muestra.
Hipótesis nula y alternativa

Se denomina hipótesis nula H0 , a la hipótesis que se desea contrastar.

El nombre de nula indica que H0 , representa la hipótesis que
mantendremos a no ser que los datos indiquen su falsedad, y puede
entenderse, por tanto, en el sentido de neutra. La hipótesis H0 , nunca se
considera probada, aunque puede ser rechazada por los datos.
Hipótesis nula y alternativa

El enfoque actual considera siempre una hipótesis alternativa a la

hipótesis nula. De manera explı́cita o implı́cita, la hipótesis nula, se
enfrenta a otra hipótesis que denominaremos hipótesis alternativa y que
se denota H1 ,. En los casos en los que no se especifica H1 , de manera
explı́cita, podemos considerar que ha quedado definida implı́citamente
como H0 , es falsa.
Hipótesis nula y alternativa

Ejemplo Se tienen dos monedas, una correcta (es decir la probabilidad

de cara/cruz es 1/2) y una trucada (con probabilidad de cara igual a
3/4). Se decide jugar con una de las dos monedas seleccionada al azar,
pero antes de empezar a jugar se permite realizar un experimento de dos
tiradas. El objetivo es contrastar la hipótesis (H0 ) de p = 1/2.
Hipótesis nula y alternativa

(a) Escriba el espacio muestral:

X = {(c, c), (c, x), (x, c), (x, x)}.

(b) ¿Cuál(es) resultado(s) le harı́an pensar que la hipótesis es falsa?

R = {(c, c)}.

(c) Si decide rechazar H0 si se observa R, ¿qué errores puede cometer?

Calcule la probabilidad de cada error.
Error Descripción Probabilidad
Tipo I Rechazar H0 cuando es cierta (1/2)2
Tipo II Aceptar H0 cuando es falsa 1 − (3/4)2
Hipótesis nula y alternativa

Definición
Un contraste de hipótesis es cualquier partición del espacio muestral,
X , en dos regiones disjuntas: una región crı́tica o de rechazo, R, y una
región de aceptación R c = X \ R.
Hipótesis nula y alternativa

(d) Teniendo en cuenta el apartado (b). Proponga un contraste de

hipótesis para H0 : p = 1/2.

X = R ∪ R c = {(c, c)} ∪ {(c, x), (x, c), (x, x)}.

(e) Proponga otro contraste.

X = R∗ ∪ R∗c = ∅ ∪ {(c, c), (x, c), (x, c), (x, x)}.

(f) Calcule las probabilidades de cada tipo de error para el contraste

propuesto en (e).

Error Descripción Probabilidad

Tipo I Rechazar H0 cuando es cierta 0
Tipo II Aceptar H0 cuando es falsa 1
Hipótesis nula y alternativa

Tipos de hipótesis
I Hipótesis simple: H0 : θ = θ0 .
I Hipótesis compuesta: H0 : θ ∈ Θ0 y Θ0 tiene más de un elemento.
I Hipótesis unilaterales:
I H 0 : θ ≤ θ0 vs HA : θ > θ0 .

I H0 : θ ≥ θ0 vs HA : θ < θ0 .

I Hipótesis bilaterales:
I H0 : θ = θ0 vs HA : θ 6= θ0 .

I H0 : θ ∈ [θ1 , θ2 ] vs HA : θ ∈
/ [θ1 , θ2 ] .
Hipótesis nula y alternativa

Tipos de hipótesis
Ejemplo
I Hipótesis simple vs simple: H0 : p = 1/2 vs HA : p = 3/4.

H0 : p ≤ 1/2 vs HA : p > 1/2
I Hipótesis unilaterales: .
H0 : p ≥ 1/2 vs HA : p < 1/2

I Hipótesis bilaterales: H0 : p = 1/2 vs HA : p 6= 1/2 .

Hipótesis nula y alternativa

Ejemplo
I Las próximas elecciones municipales en Getafe otorgará dos escaños al
partido “Vientos de Pueblo”. Los partidos polı́ticos quieren contrastar esa
afirmación para posibles pactos pre–electorales.
H0 : NE = 2 vs NE 6= 2 .

I Una compañı́a recibe un gran cargamento de piezas. Sólo acepta el envı́o

si no hay más de un 5 % de piezas defectuosas.
H0 : p ≤ 0,05 vs HA : p > 0,05 .

I Un investigador quiere saber si una propuesta de reforma fiscal es acogida

de igual forma por hombres y mujeres.
H0 : pH = pM vs HA : pH 6= pM .
Metodologı́a del contraste- Error tipo I

I Fijar, en función de las hipótesis y del contexto del problema, una

cota para la probabilidad de cometer el error de tipo I, que
denominamos nivel de significación del contraste, α.
I Excluir todos los contrastes cuya región crı́tica, R, no satisfaga la
condición:
Pr {R|H0 } ≤ α
I Entre los contrastes no excluidos, seleccionar el contraste que
minimice la probabilidad del error de tipo II.
Neyman–Pearson
Metodologı́a del contraste - Función de potencia

Si las hipótesis pueden expresarse en términos de un parámetro, θ ∈ Θ,

esto es si H0 : θ ∈ Θ0 y HA : θ ∈ ΘA , se denomina función de
potencia del contraste con región crı́tica R, a la probabilidad de
rechazar H0 si el valor del parámetro es θ:

β(θ) = Pr {R|θ} .

Observación 1: Un contraste tiene nivel α si β(θ) ≤ α para θ ∈ Θ0 .

Observación 2: Cuando θ ∈ ΘA , la probabilidad del error de tipo II es:
1 − β(θ).
Ejemplo
(i) Suponga que en lugar de dos monedas tenemos un “continuo” de
monedas con probabilidad p de cara. Calcule la función de potencia del
contraste con región crı́tica R = {(c, c)}.
Metodologı́a del contraste

En un problema (paramétrico) donde las hipótesis pueden expresarse en

términos de un parámetro, H0 : θ ∈ Θ0 y HA : θ ∈ ΘA :
1. Fijar, en función de las hipótesis y del contexto del problema, el
nivel de significación del contraste, α.
2. Excluir todos los contrastes cuya región crı́tica, R, no satisfaga la
condición: Pr {R|θ} ≤ α,
para todo θ ∈ Θ0 .
3. Entre los contrastes no excluidos, seleccionar el contraste que
maximice la función de potencia en θ ∈ ΘA .
Probabilidad del error de tipo II = 1 − β(θ)
Metodologı́a del contraste

1. En el contraste de hipótesis se prima a la hipótesis nula (neutra).

2. Podemos hacer la probabilidad del error de tipo I tan pequeña como
queramos, PERO esto hace que aumente la probabilidad del error de tipo II.
3. Un contraste de hipótesis puede rechazar la hipótesis nula.
4. Un contraste de hipótesis NO puede probar la hipótesis nula.
5. Si aceptamos la hipótesis nula, debe interpretarse como que las
observaciones no han aportado evidencia para descartarla.
6. Por el contrario, si rechazamos la hipótesis nula es porque se
está razonablemente seguro (Pr(R|H0 ) ≤ α) de que H0 es falsa y estamos
aceptando implı́citamente la hipótesis alternativa.
Nivel crı́tico p (o p-valor)

Definición
El nivel crı́tico p (o p–valor) es el nivel de significación más pequeño
para el que la muestra obtenida obligarı́a a rechazar la hipótesis nula.
I El p-valor es la probabilidad (calculada bajo H0 ) de obtener un
resultado que sea menos compatible con H0 que el resultado
obtenido con la muestra (x1 , x2 , . . . , xn ).
I El p-valor depende de la muestra (x1 , x2 , . . . , xn ).
I Puede considerarse como el apoyo que la hipótesis nula recibe de las
observaciones de la muestra:
I Si el p-valor es menor que el nivel de significación prefijado, el apoyo
a H0 es escaso y por tanto H0 debe rechazarse.

I Si el p-valor es mayor que el nivel de significación prefijado, el apoyo

a H0 es suficiente y por tanto H0 no debe rechazarse.
Nivel crı́tico p (o p-valor)

Cálculo del nivel crı́tico

I Contraste unilateral por la derecha: H0 : θ ≤ θ0 vs HA : θ > θ0
I Valor observado del estadı́stico de contraste: T (x1 , x2 , . . . , xn ) = t.
I Región crı́tica: R = {T (x1 , x2 , . . . , xn ) > k}.
I p-valor = Pr(T ≥ t |θ = θ0 ).
I Contraste unilateral por la izquierda: H0 : θ ≥ θ0 vs HA : θ < θ0
I Valor observado del estadı́stico de contraste: T (x1 , x2 , . . . , xn ) = t.
I Región crı́tica: R = {T (x1 , x2 , . . . , xn ) < k}.
I p-valor = Pr(T ≤ t |θ = θ0 ).
Nivel crı́tico p (o p-valor)

Cálculo del nivel crı́tico

I Contraste bilateral: H0 : θ = θ0 vs HA : θ 6= θ0
I Valor observado del estadı́stico de contraste: T (x1 , x2 , . . . , xn ) = t.
I Región crı́tica:
R = {T (x1 , x2 , . . . , xn ) < k1 } ∪ {T (x1 , x2 , . . . , xn ) > k2 }.


I p-valor = mı́n 2 Pr(T ≤ t |θ = θ0 ); 2 Pr(T ≥ t |θ = θ0 ) .
Nivel crı́tico p (o p-valor)
Ejemplo
Sea X la variable ”rentabilidad de cierto tipo de fondos de inversión tras
una apreciación fuerte del marco con respecto al dólar”. Se considera que
la media de esta variable es 15. Un economista afirma que dicha
rentabilidad media ha variado, por lo que lleva a cabo un estudio en las
condiciones reseñadas anteriormente sobre una muestra de 9 fondos cuya
media muestral resulta ser de 15,308 y cuya varianza muestral corregida
(cuasivarianza) es 0,193.
a) Especificando las hipótesis necesarias, contrastar la
afirmación del economista al 5 %.

b) A partir del resultado de a), razonar si el intervalo de

confianza para la media (centrado en x) al 95 %
contendrá o no al valor 15.
c) Acotar el p-valor. Si el contraste se hubiera realizado al
10 %, ¿aceptarı́amos la hipótesis de que la media de la
rentabilidad es 15 tras una apreciación fuerte del marco
Nivel crı́tico p (o p-valor)

a) Hipótesis asumidas: X1 , ..., Xn es una m.a.s. de una

población N (µ, σ 2 ).
H0 : µ = 15 vs
  H1 : µ 6= 15
 x−µ 
Rechazaremos H0 a nivel del 5 % si  √sx 0  > tn−1; α2
n
 
 15,308−15 
Tenemos que  0,44√
 = 2,1 > t8;0,025 = 2,306. ⇒
 ¿?
9

b) Por la dualidad intervalos de confianza-contrastes de

hipótesis, 15 (valor del parámetro apuntado en H0 ) ha de
pertenecer al intervalo de confianza descrito en el
enunciado.
c) p-valor = 2P (t8 > 2,1).
p-valor ∈ (0,05, 0,1), entonces con α = 0,1 rechazarı́amos H0 .
Contraste de hipótesis en una población normal
Contrastes sobre µ:
H0 : µ = µ0 (σ conocida);
H0 : µ = µ0 (σ desconocida);
H0 : µ ≤ µ0 (σ conocida);
H0 : µ ≤ µ0 (σ desconocida);
H0 : µ ≥ µ0 (σ conocida);
H0 : µ ≥ µ0 (σ desconocida);
n o
R = |x̄ − µ0 | > zα/2 √σn
n o
R = |x̄ − µ0 | > tn−1;α/2 √sn
n o
R = x̄ − µ0 > zα √σn
n o
R = x̄ − µ0 > tn−1;α √sn
n o
R = x̄ − µ0 < z1−α √σn
n o
R = x̄ − µ0 < tn−1;1−α √sn
Contraste de hipótesis en una población normal

Contrastes sobre σ: n h io
H 0 : σ = σ0 ; R = n−1 2 s 2
∈
/ χ 2
n−1;1−α/2 , χ 2
n−1;α/2
n σ0 o
n−1 2 2
H 0 : σ ≤ σ0 ; R = σ2 s > χn−1;α
n 0 o
H 0 : σ ≥ σ0 ; R = n−1 2
σ0
s 2
< χ 2
n−1;1−α
Contrastes sobre proporciones
 q 
H0 : p = p0 ; R = |x̄ − p0 | > zα/2 p0 (1−p n
0)

 q 
H0 : p ≤ p0 ; R = x̄ − p0 > zα p0 (1−p n
0)

 q 
p0 (1−p0 )
H0 : p ≥ p0 ; R = x̄ − p0 < z1−α n